[发明专利]基于卫星遥感的近地面颗粒物浓度估算方法、装置和设备

说明书

本发明涉及一种基于卫星遥感的近地面颗粒物浓度估算方法，包括获取目标监控区域的卫星遥感数据，并对卫星遥感数据进行反演计算，得到目标监控区域的气溶胶光学厚度；获取目标监控区域处的环境影响因子数据；将目标气溶胶光学厚度和所述环境影响因子数据作为已训练的颗粒物浓度模型的输入，得到目标监控区域的近地面颗粒物浓度估算结果，其中，颗粒物浓度模型是基于长短期记忆神经网络与高斯过程回归的混合模型LSTM‑GPR建立的。本发明可以提供广阔范围内的近地面颗粒物的区域分布，在污染物监测、污染事件的确定、污染源解析以及污染物的区域输送方面有广泛的应用。本发明还涉及一种基于卫星遥感的近地面颗粒物浓度估算方法装置和设备。

技术领域

本发明涉及信息处理技术领域，尤其涉及基于卫星遥感的近地面颗粒物浓度估算方法、装置和设备。

背景技术

随着国民经济的快速发展，城市规模不断扩大，工业化使社会经济高速发展，也带来了对资源的大量消耗和对大气环境的严重破坏。尤其是近年来，区域性大气环境问题日益突出。当前主要通过建立了地面环境监测站来监测颗粒物以及污染气体浓度等，但是这些站点往往比较稀疏、集中于城市，难以全面反映气溶胶粒子的空间分布，不能进行颗粒物浓度的宏观监测。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供基于卫星遥感的近地面颗粒物浓度估算方法、装置和设备。

本发明解决上述技术问题的技术方案如下：

一种基于卫星遥感的近地面颗粒物浓度估算方法，所述方法包括：

获取目标监控区域的卫星遥感数据，并对所述卫星遥感数据进行反演计算，得到所述目标监控区域的气溶胶光学厚度；

获取所述目标监控区域处的环境影响因子数据；

将所述目标气溶胶光学厚度和所述环境影响因子数据作为已训练的颗粒物浓度模型的输入，得到所述目标监控区域的近地面颗粒物浓度估算结果，其中，所述颗粒物浓度模型是基于长短期记忆神经网络与高斯过程回归的混合模型LSTM-GPR建立的。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述将所述目标气溶胶光学厚度和所述环境影响因子数据作为已训练的颗粒物浓度模型的输入，得到所述目标监控区域的近地面颗粒物浓度估算结果，具体包括：

将所述环境影响因子数据进行归一化处理；

将归一化处理后的所述环境影响因子数据作为所述长短期记忆神经网络的输入变量，近地面颗粒物浓度预测值作为输出变量；

由所述长短期记忆神经网络得到的近地面颗粒物浓度预测值作为高斯过程回归模型GPR的输入变量，所述目标监控区域的近地面颗粒物浓度估算结果作为GPR的输出变量。

进一步地，所述将所述环境影响因子数据进行归一化处理，具体包括：

通过Min-Max函数对所述环境影响因子数据进行归一化处理。

进一步地，所述获取所述目标监控区域处的环境影响因子数据，具体包括：

获取所述目标监控区域的环境影响因子数据，所述环境影响因子数据包括污染排放影响因子数据，气象影响因子数据和地理影响因子数据；

其中，所述污染排放影响因子数据包括所述目标监控区域的污染工业数量、公路分布状况和人口密度分布状况；

所述地理影响因子包括所述目标监控区域的地形坡度和地表覆盖类型。

进一步地，所述颗粒物浓度模型具体是通过以下方法建立：

建立基于长短期记忆神经网络与高斯过程回归的混合模型LSTM-GPR；